全国空气质量历史数据 | 北京市空气质量历史数据

## [全国空气质量历史数据 | 北京市空气质量历史数据](http://beijingair.sinaapp.com/)

本站提供

> 北京市空气质量历史数据下载(2013/12/06以来)

> 全国空气质量历史数据下载(2014/05/13以来)

欢迎各种分析、研究

数据类型包括PM2.5, PM10, SO2, NO2, O3, CO, AQI。

北京市数据来自北京市环境保护检测中心网站,每日更新。

全国数据来自PM25.in网站,每日更新。数据源为中国环境监测总站的全国城市空气质量实时发布平台。

## 年度数据打包下载 推荐(每周更新)

北京市空气质量数据 百度网盘 下载 beijing_all_***.csv - 单日PM2.5/PM10/AQI数据

beijing_extra_***.csv - 单日SO2/NO2/O3/CO数据

全国空气质量数据 百度网盘 下载 china_cities_***.csv - 城市平均数据

china_sites_***.csv - 所有监测点数据

站点列表.csv - 所有站点的编号和名称、所属城市

打包最近更新时间:上个周日。

## 单日数据下载地址

> 北京PM2.5/PM10/AQI数据 CSV格式 http://beijingair.sinaapp.com/data/beijing/all/[日期]/csv

> 北京SO2/NO2/O3/CO数据 CSV格式 http://beijingair.sinaapp.com/data/beijing/extra/[日期]/csv

> 全国367个城市数据 CSV格式 http://beijingair.sinaapp.com/data/china/cities/[日期]/csv

> 全国1563个监测点数据 CSV格式 http://beijingair.sinaapp.com/data/china/sites/[日期]/csv

> 其中“[日期]”为8位数字表示的日期,例如2013/12/05的数据地址为http://beijingair.sinaapp.com/data/beijing/all/20131205/csv。


## 下载注意事项

CSV打开乱码怎么办?

数据每日更新,大约在凌晨2点后有前一日的完整数据。

北京市PM2.5/PM10/AQI数据从2013/12/06开始提供;

北京市SO2/NO2/O3/CO数据从2014/04/03开始提供;

全国城市数据和监测点数据从2014/05/13开始提供。

某些日期由于服务器故障或数据来源问题,会缺失数据。

## 数据格式说明

北京市数据、全国城市数据、全国监测点数据(CSV格式)

第一行为列名,分别是日期、小时、数据类型、各个监测点名(或城市名、监测点代码);以下每行为某时刻一种类型的数据。

```

date,    hour, type,      东四, 天坛, 官园, 万寿西宫,...

20131205, 1,    PM2.5,    93,  93,  63,  79,...

20131205, 1,    PM2.5_24h, 93,  108,  99,  123,...

20131205, 1,    PM10,      103, 124,  81,  107,...

20131205, 1,    PM10_24h,  97,  130,  122, 141,...

20131205, 1,    AQI,      123, 141,  130, 161,...

```

全国监测点列表(CSV/XLSX格式,下载见网盘“站点列表-20xx.xx.xx起.csv”)

第一列为监测点编码,第二列为监测点名称,第三列为所属城市,第四、五列为经纬度。

```

监测点编码,监测点名称,城市,经度,纬度

1001A,万寿西宫,北京,116.366,39.8673

1002A,定陵,北京,116.17,40.2865

1003A,东四,北京,116.434,39.9522

```

## CSV打开乱码怎么办

本站提供的所有CSV都是采用UTF-8编码,有几种情况可能遇到乱码。


如果直接用Excel打开CSV,会看到汉字乱码,数字显示正常。正确的打开方法是:在Excel中点击“数据”-“文本”,选择CSV文件,选中“分隔符号”,编码选择UTF-8,下一步,勾选“逗号”,去掉“Tab键”。这样打开后就能显示汉字了。

如果是用程序处理CSV文件,注意读文件内容时使用UTF-8编码。

如果下载的单日CSV文件乱码乱得一塌糊涂,连数字都看不出来,那可能是下载工具或浏览器的问题。请换个下载工具,或直接到网盘下载打包数据。


## 数据类型

```

type 数据类型 单位

PM2.5 PM2.5实时浓度 (微克/立方米)

PM2.5_24h PM2.5 24小时均值 (微克/立方米)

PM10 PM10实时浓度 (微克/立方米)

PM10_24h PM10 24小时均值 (微克/立方米)

AQI AQI实时值 N/A

SO2 SO2实时浓度 (微克/立方米)

SO2_24h SO2 24小时均值 (微克/立方米)

NO2 NO2实时浓度 (微克/立方米)

NO2_24h NO2 24小时均值 (微克/立方米)

O3 O3实时浓度 (微克/立方米)

CO CO实时浓度 (毫克/立方米)

CO_24h CO 24小时均值 (毫克/立方米)

附:北京市监测点位置

空气质量监测点共35个。

```


新浪微博 @王_晓磊 

如果你取用了这里的数据,欢迎到微博上告诉我你在做什么。

Powered by Sina App Engine

# 引用文章

[http://iopscience.iop.org/article/10.1088/1748-9326/aae718](http://iopscience.iop.org/article/10.1088/1748-9326/aae718)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,163评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,301评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,089评论 0 352
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,093评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,110评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,079评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,005评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,840评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,278评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,497评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,667评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,394评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,980评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,628评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,796评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,649评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,548评论 2 352

推荐阅读更多精彩内容